dsh-knowledge
Cherry Studio-style knowledge base system for DeepSeek Harness (DSH): bases, documents, chunking, embeddings (OpenAI-compatible / Ollama / local / lexical fallback), retrieval, model-facing tools, and a browser management panel
AI Analysis
提供包含文档分段、向量嵌入、重排检索及前端管理面板的完整知识库系统。适合需要构建本地私有知识库，并让 DSH 智能体进行精准检索问答的用户。
Install
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:Soren-ABT/dsh-knowledgeREADME
Read the full README ↗配置
部署默认值写在 cordis.patch.yml 的 knowledge 行（可用上层 patch 按 id 覆盖）；面板里的「设置」可运行时覆盖，覆盖值持久化在存储域中：
| 字段 | 默认 | 说明 |
|---|---|---|
embeddingProvider | none | openai / ollama / local（进程内 transformers.js）/ none |
embeddingBaseUrl | '' | 端点基址，如 https://api.openai.com/v1 或 http://127.0.0.1:11434（local 不需要） |
embeddingModel | '' | 如 text-embedding-3-small；local 时为 Hugging Face 仓库 id（默认 onnx-community/Qwen3-Embedding-0.6B-ONNX） |
embeddingApiKey | '' | 可选；也可用环境变量 KNOWLEDGE_API_KEY |
rerankModel / rerankBaseUrl / rerankApiKey | '' | 重排模型（留空=不启用），Jina / SiliconFlow / Cohere v2 风格接口 |
smartChunk | true | 智能分段（标题/段落感知）；关闭后仅按 chunkSeparator 切分 |
chunkSeparator | \n\n | 智能分段关闭时的段落边界（可写 \n） |
chunkSize | 800 | 分块字符数 |
chunkOverlap | 100 | 相邻分块重叠字符数 |
topK | 6 | 检索返回条数（1–50） |
searchMode | auto | auto / hybrid / vector / lexical |
similarityThreshold | 0 | 相似度阈值（0–1），低于该分数的结果被过滤 |
mmrDiversity | 0 | MMR 结果多样性（0–1，0=关闭） |
embeddingBatchSize | 32 | 每次 embedding 请求的文本条数 |
localModelCacheDir | '' | 本地模型缓存根目录；留空 = /cache/dsh-knowledge/local-models（DSH_HOME 未设则为 ~/.dsh） |
chunkStorePath | '' | 分块 SQLite 文件；留空 = /storages/knowledge-chunks.sqlite |
分块数据不放在存储域 KV 里，而是独立 SQLite 文件：web profile 的 JSON 后端每次写记录都会重写整个单元文件，数据增长后删除/导入会变慢到秒级甚至分钟级；SQLite 让每次写入/删除都是单条语句，并提供 FTS5 三元组全文检索（BM25）与查询时向量扫描、有界读取——常驻内存不随语料增长。升级后首次启动会自动把旧 JSON 单元里的分块迁入 SQLite（幂等，中断产生的重复行自动去重）。
以上所有字段均可在每个知识库的设置面板中单独覆盖（留空继承全局）；API Key 以明文保存在本地存储。
本地模型（进程内 embedding）
选择 embeddingProvider: local 时，插件在 host 进程内用 @huggingface/transformers（+ onnxruntime）跑 embedding，无需任何外部服务。默认模型 onnx-community/Qwen3-Embedding-0.6B-ONNX（1024 维），embeddingModel 可换成任意 Hugging Face 上的 ONNX embedding 仓库 id。首次使用会从 Hugging Face Hub 下载模型权重（默认缓存到 $DSH_HOME/cache/dsh-knowledge/local-models）；下载完成后后续导入与检索全程本地。在设置 →「本地模型」页面可提前下载 / 取消 / 删除 / 重试，并实时查看下载进度；知识库设置面板也会显示模型下载进度（下载中 % / 就绪 / 失败）；可用环境变量 HF_ENDPOINT 指向镜像加速下载。
使用
- 点击侧边栏底部「知识库」按钮（设置旁），打开整页面板 —— 不在设置内。
- 点「新建知识库」，选中后粘贴文本、拖拽上传 txt/md/pdf/docx，或导入网页 URL。
- 在「检索测试」里验证召回（可切换混合/向量/关键词模式与阈值）；点右上角「设置」配置向量化。
- 对 agent 说 "用知识库里的内容回答…"，模型会调用
knowledge_search等 12 个工具。